基于深度神经网络的伊朗调式音乐 (Dastgah) 检测
声音
2022-10-20 v3 信息检索
音频与语音处理
摘要
音乐分类与流派检测是音乐信息检索 (MIR) 中的课题，已有大量文献发表，探讨其在现代世界中的效用。然而，对于伊朗调式音乐等非西方音乐，这方面的贡献尚不充分。本工作中，我们实现了若干深度神经网络，以在七个高度相关的类别中识别伊朗调式音乐。最佳模型 BiLGNet 取得了 92% 的总体准确率，其采用的架构受自编码器启发，包含双向 LSTM 与 GRU 层。我们使用 Nava 数据集训练模型，该数据集包含 1786 条记录，以及由 Kamanche、Tar、Setar、Reed 和 Santoor (Dulcimer) 独奏的最长达 55 小时音乐。我们考虑了 MFCC、Chroma CENS 和梅尔谱等多种特征作为输入。结果表明，相较于其他声音表征，MFCC 携带了更有价值的伊朗调式音乐 (Dastgah) 检测信息。此外，受自编码器启发的架构在区分如 Dastgah 这类高度相关数据上表现稳健。研究还显示，由于伊朗 Dastgah 音乐具有精确的顺序性，双向循环网络比本研究中实现的其他任何网络都更高效。
引用
@article{arxiv.2203.15335,
title = {Iranian Modal Music (Dastgah) detection using deep neural networks},
author = {Danial Ebrat and Farzad Didehvar and Milad Dadgar},
journal= {arXiv preprint arXiv:2203.15335},
year = {2022}
}